Penulis mencoba Jev untuk klasifikasi kumpulan titik koordinat berlabel alih-alih k-means, dengan akurasi tinggi dan kesalahan hanya pada kasus batas, melihat potensi aplikasi zero-shot.
大分試すの遅くなったけど、Jevをk-meansクラスタリングの代わりに分類させてみた。 座標点と正解ラベルがペアになった各群30点のデータセットを食わせてみたところ、割と正解率が高い。 サンプルデータに含まれてないエッジや境界部分で誤答してるけど、ゼロショットを考えればいろいろ応用できそう
Malte Ubl menjalankan Jev dari TypeSafe AI pada evaluasi klasifikasi yang ada; hasilnya memenuhi evaluasi dari sisi kualitas dan 6x lebih cepat dari Gemini 2.5 Flash Lite.
Penulis merilis ekstensi DuckDB yang menggunakan Jev dari TypeSafe AI untuk mengklasifikasikan baris dengan cepat di file CSV/Parquet atau tabel DuckDB, sekitar 10 detik untuk 1k baris—lebih cepat dari LLM dan lebih ergonomis daripada classifier.
Penulis merangkum setiap makalah dengan DeepSeek V4 Flash, lalu mengirim judul, ringkasan, dan 24 topik kandidat ke Jev untuk diklasifikasikan, memproses 1.018 makalah AI dengan total biaya $0,08 dan latensi end-to-end median 256ms per makalah.
